二維已經(jīng) OUT 了？3DPose 實(shí)現(xiàn)三維人體姿態(tài)識(shí)別真香 | 代碼干貨

引言

人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺(jué)領(lǐng)域很多研究工作的基礎(chǔ)，也是研究的熱點(diǎn)問(wèn)題，在行為識(shí)別、人機(jī)交互、姿態(tài)跟蹤等領(lǐng)域有著廣泛的應(yīng)用前景。

按照人體姿態(tài)維度的差異，可以將人體姿態(tài)估計(jì)任務(wù)分為二維人體姿態(tài)估計(jì)和三維人體姿態(tài)估計(jì)。2D人體姿態(tài)估計(jì)的目標(biāo)是定位并識(shí)別出人體關(guān)鍵點(diǎn)，將這些關(guān)鍵點(diǎn)按照關(guān)節(jié)順序相連形成在圖像二維平面的投影，從而得到人體骨架。3D人體姿態(tài)估計(jì)的主要任務(wù)是預(yù)測(cè)出人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)位置和角度等信息。

在實(shí)際應(yīng)用中，由于3D姿態(tài)估計(jì)在2D姿態(tài)估計(jì)的基礎(chǔ)上加入了深度信息，其對(duì)于人體姿態(tài)的表述比2D更為精準(zhǔn)，因此其應(yīng)用范圍和研究?jī)r(jià)值都要高于2D人體姿態(tài)估計(jì)，但是3D姿態(tài)估計(jì)的難度也更高，存在著遮擋，單視角2D到3D的映射中固有的深度模糊性、不適定性，缺少大型的室外數(shù)據(jù)集等挑戰(zhàn)。

本項(xiàng)目通過(guò)使用3DPose模型實(shí)現(xiàn)對(duì)人體的三維實(shí)時(shí)姿態(tài)識(shí)別。其最終實(shí)現(xiàn)的效果如下圖可見(jiàn)：

1、基本介紹

在深度學(xué)習(xí)方法得到廣泛應(yīng)用之前，3D人體姿態(tài)標(biāo)注數(shù)據(jù)集和具有高運(yùn)算能力的GPU還沒(méi)有普及，研究人員主要通過(guò)一些應(yīng)用在傳統(tǒng)計(jì)算機(jī)視覺(jué)或機(jī)器學(xué)習(xí)領(lǐng)域的方法來(lái)進(jìn)行3D人體姿態(tài)的估計(jì)。傳統(tǒng)三維人體姿態(tài)估計(jì)和基于深度學(xué)習(xí)的姿態(tài)估計(jì)之間最明顯的特征在于是否使用了多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，因?yàn)榻７绞讲煌?，在估?jì)精確性、計(jì)算復(fù)雜度等方面也有著較大的差別。其中建模是三維人體姿態(tài)估計(jì)一個(gè)很重要的方面，目的是表示從輸入數(shù)據(jù)中提取的關(guān)鍵點(diǎn)和特征。在解決實(shí)際問(wèn)題時(shí)由于實(shí)驗(yàn)個(gè)體所處環(huán)境的復(fù)雜性，很大程度上增加了模型的建立難度，因此選取適當(dāng)且有效的圖像特征來(lái)簡(jiǎn)化模型建立過(guò)程十分重要。

1.1 環(huán)境要求：

本次環(huán)境使用的是python3.6.5+windows平臺(tái)。

主要用的庫(kù)有：ONNX Runtime庫(kù)、opencv-python模塊、Numpy模塊。

ONNX Runtime庫(kù)

ONNX Runtime庫(kù)是一個(gè)用于ONNX(Open Neural Network Exchange)模型推理的引擎。微軟聯(lián)合Facebook等在2017年搞了個(gè)深度學(xué)習(xí)以及機(jī)器學(xué)習(xí)模型的格式標(biāo)準(zhǔn)--ONNX，順路提供了一個(gè)專門用于ONNX模型推理的引擎。

opencv-python模塊

opencv-python是一個(gè)Python綁定庫(kù)，旨在解決計(jì)算機(jī)視覺(jué)問(wèn)題。其使用Numpy，這是一個(gè)高度優(yōu)化的數(shù)據(jù)庫(kù)操作庫(kù)，具有MATLAB風(fēng)格的語(yǔ)法。所有Opencv數(shù)組結(jié)構(gòu)都轉(zhuǎn)換為Numpy數(shù)組。這也使得與使用Numpy的其他庫(kù)（如Scipy和Matplotlib）集成更容易。

Numpy模塊

Numpy是應(yīng)用Python進(jìn)行科學(xué)計(jì)算時(shí)的基礎(chǔ)模塊。它是一個(gè)提供多維數(shù)組對(duì)象的Python庫(kù)，除此之外，還包含了多種衍生的對(duì)象（比如掩碼式數(shù)組(masked arrays)或矩陣）以及一系列的為快速計(jì)算數(shù)組而生的例程，包括數(shù)學(xué)運(yùn)算，邏輯運(yùn)算，形狀操作，排序，選擇，I/O，離散傅里葉變換，基本線性代數(shù)，基本統(tǒng)計(jì)運(yùn)算，隨機(jī)模擬等。

1.2 方法總結(jié)：

傳統(tǒng)方法很多是采用基于人體模型的方法來(lái)描述和推斷人體姿態(tài)，通過(guò)算法提取圖像姿態(tài)特征，因此對(duì)特征表示和關(guān)鍵點(diǎn)的空間位置關(guān)系這兩個(gè)維度有比較高的要求，除去邊界、顏色這類低層次特征，典型的有尺度不變特征變換、梯度直方圖等表達(dá)能力更強(qiáng)、可有效壓縮特征空間維度的高層次特征，它們雖然在時(shí)間效率方面具有優(yōu)勢(shì)，但依然存在著較大的不足。

而深度學(xué)習(xí)模型操作過(guò)程相對(duì)簡(jiǎn)單且對(duì)特征的表示能力強(qiáng)大，對(duì)輸入信息自動(dòng)進(jìn)行特征提取而無(wú)需人為手動(dòng)提取特征。

基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)可以通過(guò)建立網(wǎng)絡(luò)模型在圖像數(shù)據(jù)上進(jìn)行訓(xùn)練和學(xué)習(xí)，直接得到最有效的表征方法，其核心是深度神經(jīng)網(wǎng)絡(luò)，主要是利用卷積神經(jīng)網(wǎng)絡(luò)從圖像中提取出比人工特征語(yǔ)義信息更豐富、準(zhǔn)確性更高和更具魯棒性的卷積特征，并且網(wǎng)絡(luò)模型的表達(dá)能力會(huì)因網(wǎng)絡(luò)堆疊數(shù)量的增加而呈指數(shù)增長(zhǎng)，因此相較于傳統(tǒng)方法可以進(jìn)一步提升復(fù)雜環(huán)境下的人體姿態(tài)的精度和魯棒性。深度學(xué)習(xí)在人體姿態(tài)估計(jì)任務(wù)中的應(yīng)用已經(jīng)取得了顯著的進(jìn)展，然而像遮擋、訓(xùn)練數(shù)據(jù)不足和深度模糊等挑戰(zhàn)仍然是難以克服的。

2.三維人體可視化

傳統(tǒng)方法與深度學(xué)習(xí)方法

其中3DPose算法提供的模型架構(gòu)如下圖可見(jiàn)：

2.1 圖片預(yù)處理：

其中圖片處理代碼如下，分別為讀取圖片，顯示圖片，BGR轉(zhuǎn)RGB以及尺寸變換等：

img=cv2.imread("1.jpg")
cv2.imshow("test", img)
cv2.waitKey(1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (448, 448))
img = img.astype(np.float32) / 255.0
img = img.transpose(2, 1, 0)
img = img[np.newaxis, ...]

2.2 模型訓(xùn)練：

首先通過(guò)使用onnxruntime，

然后讀取Resnet34_inputs_448x448_20200609.0nnx模型文件,實(shí)時(shí)需要識(shí)別的圖片數(shù)據(jù)，獲取每一張圖片的offset圖和heatmap圖。通過(guò)找到第j個(gè)關(guān)節(jié)的28個(gè)特征圖，并找到最大值的索引來(lái)獲取個(gè)點(diǎn)坐標(biāo)。并把坐標(biāo)按照一定比例縮放。使得圖像變形較為符合人體規(guī)律。

for j in range(0, 24):
    # 找到第j個(gè)關(guān)節(jié)的28個(gè)特征圖，并找到最大值的索引
    joint_heat = heatMap3D[j * 28:(j + 1) * 28, ...]
    if np.max(joint_heat)>0.1:
        print(np.max(joint_heat))
        [x, y, z] = np.where(joint_heat == np.max(joint_heat))
        x = int(x[-1])
        y = int(y[-1])
        z = int(z[-1])
        # 通過(guò)heatmap的索引找到對(duì)應(yīng)的offset圖，并計(jì)算3D坐標(biāo)的xyz值
        pos_x = offset3D[j * 28 + x, y, z] + x
        pos_y = offset3D[24 * 28 + j * 28 + x, y, z] + y
        pos_z = offset3D[24 * 28 * 2 + j * 28 + x, y, z] + z
        kps[j, 0] = pos_x
        kps[j, 1] = pos_y
        kps[j, 2] = pos_z
    else:
        try:
            kps[j, 0] = kps[j-1, 0]
            kps[j, 0] = kps[j-1, 0]
            kps[j, 2] = kps[j-1, 2]
        except:
            pass
parent = np.array([15, 1, 2, 3, 3, 15, 6, 7, 8, 8, 12, 15, 14, 15, 24, 24, 16, 17, 18, 24, 20, 21,   22, 0]) - 1;
    for i in range(len(kps)):
        if (parent[i] != -1):
            ax.plot3D(kps[[i, parent[i]], 0], -kps[[i, parent[i]], 1], -kps[[i, parent[i]], 2], 'gray')

完整代碼：

鏈接：https://pan.baidu.com/s/1pb0uG9Uy36sOBuWNTsZUpA

提取碼：0ahr